[发明专利]一种基于极大似然准则的锂离子电池能量状态估算方法

说明书

本发明实施例公开了一种基于极大似然准则的锂离子电池能量状态估算方法，包括：获得锂离子电池的开路电压Uocv和锂离子电池的电池能量状态SOE的关系；离线辨识DP电路模型的特性参数；建立DP电路模型的数学方程；将DP电路模型的数学方程离散化处理；根据Uocv和SOE的关系以及离散化处理后的DP电路模型的数学方程，选取第一RC电路的极化电压U₁、第二RC电路的极化电压U₂以及SOE作为状态变量，选取第二RC电路远离第一RC电路一端至第一电阻远离锂离子电池的负极的一端的电池端电压U_L作为观察变量，建立状态方程和观测方程；根据状态方程、观测方程及基于极大似然准则的自适应卡尔曼滤波算法，对SOE进行估算。

技术领域

本发明涉及新能源汽车电池管理系统领域，尤其涉及一种基于极大似然准则的锂离子电池能量状态估算方法。

背景技术

电池管理系统(Battery Management System，BMS)通过获取动力电池的状态来制定相应的控制策略，确保电池高效安全的工作，是新能源汽车动力系统的核心技术。合格的BMS应该包括估算电池内部状态(荷电状态SOC、健康状态SOH、功率状态SOP、能量状态SOE)、监测电池工作状态、电池均衡控制、热管理和信息交互功能。其中，SOC只反映了电流随时间的变化，不能反映电池当前的端电压随时间的变化，因此也未能反映电池当前的功率信息。电池能量状态(State of Energy，SOE)表征的电池能量状态与功率具有较为直接的函数关系，更适合用于对续航里程的估算和能量管理的优化。

目前对于电池SOE的估算方法，考虑到传统的功率积分法由于电流和电压的测量精度误差产生的不可避免的累积误差，借鉴SOE和SOC在估算原理的相似之处，一些学者对SOE的精确估算提供了一些方法，比如，Li基于二阶RC模型建立了SOE和SOC估计的EKF算法，结果表明：该算法在动态负载电流工况测试下，SOE对锂离子电池的能量行为捕获精度高于SOC。Zheng等综合分析了环境温度、电池放电/充电电流、电池最大可用能量与SOE的电池老化水平依赖关系，提出了LiMn2O4电池的SOE与SOC之间的明确定量关系用于SOE估算，并引入了移动窗能量积分技术来估算电池的最大可用能量。实验结果表明，该方法能够准确地估计电池的最大可用能量和SOE值。但是此方法需要采取大量的电池实验数据才能获得SOE与SOC之间的明确定量关系，不适用于实时在线估计。Wang在SOE定义式中加入温度和倍率修正因子，采用一阶等效电路模型和RLS参数辨识进行基于极大似然准则自适应扩展卡尔曼滤波估计，对比EKF达到了较好的估计结果。

但大多SOE估算的方法仍是以卡尔曼滤波为主体的方法，这些方法要么没有考虑到固定的过程噪声和测量噪声协方差，也就没有应对噪声统计变化的自适应能力，要么没有考虑到自适应噪声在实际计算过程往往由于失去非负定性和正定性导致估算结果稳定性不高，也就是滤波结果容易发散。

发明内容

针对上述技术问题，本发明实施例提供了一种基于极大似然准则的锂离子电池能量状态估算方法，所述锂离子电池应用于双极化DP电路模型中，所述DP电路模型还包括与所述锂离子电池的负极连接的第一电阻、与所述锂离子电池的正极连接的第一RC电路以及与所述第一RC电路串联的第二RC电路，所述第一RC电路包括并联连接的第二电阻和第一电容，所述第二RC电路包括并联连接的第三电阻和第二电容；所述方法包括：

获得所述锂离子电池的开路电压Uocv和所述锂离子电池的电池能量状态SOE的关系；

离线辨识所述DP电路模型的特性参数，所述特性参数包括所述第一电阻的阻值R₀、所述第二电阻的极化电阻Rp₁、所述第一电容的极化电容Cp₁、所述第三电阻的极化电阻Rp₂和所述第二电容的极化电容Cp₂；

建立所述DP电路模型的数学方程；

将所述DP电路模型的数学方程离散化处理；